Základ prognózování vždy zahrnuje dva kritické aspekty podnikových financí – současný stav a plány do budoucna. Pomáhá na základě dat pochopit, jak funguje konkrétní trh, co se na něm daří a co ne a také jak příležitosti využívá daná firma a co by mohla dělat lépe. Manažerská rozhodnutí tak mohou být informovanější a založená na datech.
Díky pohledu do budoucnosti je prognózování ve skutečnosti důležitou součástí řízení rizik. To znamená, že umožňuje lépe předvídat poklesy, provozní potíže nebo jiná narušení podnikání. Očekávané problémy lze také mnohem snadněji zvládnout. Díky schopnosti předvídat trendy prodeje, výkyvy poptávky nebo chování zákazníků lze využít příležitosti k růstu, ale na druhé straně se vyhnout nadměrné expanzi nebo chybějící poptávce.
Prognózování je důležitým nástrojem pro řízení peněžních toků neboli cashflow. Pomáhá podnikům zajistit dostatek likvidity pro pokrytí nadcházejících výdajů, k realizaci investic nebo překonání neočekávaných finančních výkyvů. Také pomáhá zvyšovat efektivitu provozu v dodavatelských řetězcích, protože předpovídá poptávku, snižuje plýtvání a zabraňuje nadměrné tvorbě zásobování i jeho výpadkům. Umožňuje sladit úroveň zásob se skutečnou poptávkou na trhu a optimalizovat alokaci zdrojů.
Efektivní prognózování poskytuje strategickou výhodu, která může vést k dlouhodobému úspěchu na trhu. Organizace schopné špičkové tvorby prognóz se mohou rychle přizpůsobit změnám na trhu a využít nabízející se příležitosti, zejména pokud jde o dynamické odvětví. A nakonec, prognózování umožňuje podnikům připravit se na různé scénáře typu „co když“ (what-if). Díky tomu jsou podniky pružnější a mohou rychleji reagovat na neočekávané události, jako jsou ekonomické změny, kroky konkurence nebo změny v regulaci.
Jak zvolit optimální metodu rozpočtového prognózování
Použití správné metody rozpočtového prognózování (budget forecasting) pomůže předvídat budoucí vývoj příjmů, výdajů i peněžních toků. Pojďme si představit nejužitečnější metody i podpůrné techniky, které prognózy rozpočtu zpřesňují.
Každá z hlavních metod má své silné a slabé stránky, jsou různě náročné z hlediska potřebných dat i implementace souvisejících softwarových nástrojů. Jejich vhodnost samozřejmě závisí na konkrétní společnosti a povaze jejího podnikání.
* Sestavování rozpočtu na základě historie (historical budgeting) je nejjednodušším přístupem k prognózování. Finanční údaje z předchozích let se zde využívají k předpovědi budoucích výsledků. Tato metoda předpokládá, že minulé trendy, jako například meziroční růst nákladů na suroviny v průměru
o x %, budou pokračovat, takže je užitečná zejména pro společnosti se stabilní činností ve stabilním prostředí. Pokud
jsou k dispozici historická data, je možné použít techniky AI a strojového učení, které mohou zpřesnit odhady budoucího trendu a vlivů sezonality. Postup se snadno implementuje, ale nezohledňuje aktuální situaci na trzích ani změny ekonomiky jako celku.
* Metoda nulového rozpočtu (zero based) začíná v každém rozpočtovém období od nuly, čímž se eliminuje potřeba údajů z minulosti. Každý výdaj musí být pro nové období zdůvodněn, jako by se začínalo s čistým štítem, což je ideální pro hledání neefektivity a důslednější sladění výdajů se strategickými cíli firmy. Tato metoda nutí k podrobné analýze nákladů a účelnému vynakládání prostředků, umožňuje sladit rozpočty s prioritami. Implementace ovšem trvá dlouho a celý proces může být složitý.
* Průběžné/klouzavé prognózování (aktuální plánování, rolling) upravuje finanční projekce podniku průběžně během roku. Model se obvykle posouvá dopředu po jednotlivých měsících nebo kvartálech. Nespoléhá se na statické roční rozpočty jako u plánování podle historie, ale prognózu pravidelně aktualizuje, takže vždy odráží nejnovější údaje a podmínky na trhu. Jde o flexibilní přístup probíhající (téměř) v reálném čase. Problémem metody je, že vyžaduje časté aktualizace, eventuálně její implementace potřebuje specializovaný software. Nutností jsou rovněž přesná, aktuální data.
* Rozpočtování podle činností (activity based) znamená, že náklady se rozdělují podle účelu použití, tedy například výroba, zákaznický servis či logistika. Při této metodě se výdaje neseskupují podle oddělení, ale podle priority, kde by měly být zdroje použity. Společnosti tak získávají lepší přehled o tom, jak jsou peníze vynakládány, a mohou rozpoznat oblasti podnikání vyžadující vyšší efektivitu. Výsledkem pak bývá lepší rozdělování zdrojů. Metoda je ovšem složitá na implementaci a zabere hodně času.
* Rozpočtování podle klíčových faktorů (driver based) se snaží identifikovat několik rozhodujících proměnných, které přímo ovlivňují finanční výkonnost společnosti, a na jejich základě sestavit rozpočet. Takovými faktory mohou být např. objem prodeje, výkon výroby nebo mzdové náklady. Podnikům umožňuje zjednodušit sestavování rozpočtu a rychleji se přizpůsobit vnějším nebo vnitřním změnám. Najít správné drivery a spolehlivá data a dostat se ke smysluplné prognóze může být ale obtížné.
Kvalitativní vs. kvantitativní přístupy
Bez ohledu na konkrétní zvolenou metodu rozpočtového prognózování se pro zvýšení přesnosti a spolehlivosti předpovědí dále používají kvalitativní i kvantitativní prognostické techniky.
* Kvalitativní techniky nacházejí uplatnění hlavně v případě, kdy historická data nejsou k dispozici nebo jsou nedostatečná. Spoléhají se na názory expertů a externí data a jsou užitečné zejména při předpovídání nových tržních trendů, uvádění zcela nových produktů na trh nebo při orientaci v nejistých podmínkách. Kvalitativní techniky jsou flexibilnější a vycházejí do značné míry ze subjektivních úsudků.
Základními kvalitativními technikami jsou Delphi, postavené na shromažďování vstupních informací od expertů prostřednictvím několika kol zpětné vazby, a průzkumy trhu zaměřené na shromažďování údajů, například od potenciálních zákazníků, s cílem předvídat poptávku.
* Kvantitativní techniky prognózování využívají různé matematické přístupy, jejichž cílem je vytěžit z dat maximum využitelných informací. Jsou objektivnější, vyžadují ovšem historická data.
Do této kategorie spadá především analýza časových řad (time series analysis), kdy se v historických datech nacházejí vzory, například trendy nebo sezónní cykly. Další oblíbenou technikou je regresní analýza (regression), která pomáhá najít a pochopit souvislost mezi dvěma nebo více proměnnými. Regresní analýza umožňuje předpovídat jednu věc, například objem prodeje, na základě změn jiné proměnné, jako výdajů na reklamu.
Technika klouzavých průměrů (moving averages) vyhlazuje krátkodobé výkyvy a poklesy dat a umožňuje sledovat dlouhodobé trendy. Analýza scénářů (scenario analysis) předpovídá možné budoucí výsledky vytvořením různých scénářů. Obvykle jde o nejlepší, nejhorší a nejpravděpodobnější zvažovaný případ.
Analýza citlivosti (sensitivity analysis) je hledání vazby mezi nezávislou a závislou proměnou. Pomáhá podnikům pochopit, které faktory jsou na změnu nejcitlivější a jak tyto změny ovlivňují jejich výsledky.
A nakonec simulace Monte Carlo je matematická technika, při níž se provádí mnoho náhodných scénářů, aby se ukázaly možné výsledky. Je užitečná zejména pro složité situace s více proměnnými; získané výsledky mají pravděpodobnostní charakter.
Excel už je překonaný
Pokud podnikáte v dynamickém oboru s mnoha příležitostmi, konkurenty i neočekávanými, proměnlivými faktory, pak by základem podnikání měl být kvalitní prognostický model. A přestože může vyžadovat přesná data nebo být složitý na nasazení, zisky, které takto nakonec získáte, bývají mnohem větší než vynaložené úsilí.
Dlouhé roky byl synonymem pro finanční plánování Excel. Firmy si tuto kancelářskou aplikaci proměnily ve finanční nástroj pro plánování a výkaznictví s desítkami, nebo dokonce stovkami uživatelů, kteří zpracovávají úkoly, jako sestavování rozpočtu a prognózování. A mnoho firem Excel stále ještě používá, ačkoliv moderní nástroje pro finanční plánování jsou dnes již mnohem dále.
Například Farseer je inovativní platforma pro finanční modelování, plánování a řízení, která navíc disponuje všemi výhodami tabulkových procesorů. Nástroj přináší rychlejší a přesnější tvorbu finančních reportů a finanční modelování nad jediným spolehlivým zdrojem dat. Úkoly, jako prognózování a sestavování rozpočtu, jsou tak mnohem jednodušší a rychlejší. Automaticky generované reporty eliminují manuální práci, zatímco interaktivní dashboardy předkládají přehledné informace v reálném čase a umožňují rychlé rozhodování.
Jak předejít nejčastějším chybám při sestavování prognóz rozpočtu
• Historické údaje mají jen omezenou váhu. Je třeba přihlížet i k vnějším faktorům, změnám na konkrétním trhu, posunům ekonomického prostředí jako celku atd.
• Předpovědi je třeba průběžně revidovat a aktualizovat.
• Obvykle není vhodné spoléhat se pouze na čísla. I kvalitativní přístup má svůj smysl.
• Prognózy by se pokud možno měly držet reality. Příliš optimistické nebo pesimistické odhady samozřejmě předpovědi zkreslí.
